查找电信网络中用户之间的相似性

Question

我有一个一个匿名表，其中有两列：UserId 和 PhoneNumber。

它是从呼叫详细记录表中选择的。现在我想创建一个基于用户之间相似性的网络。如果用户拨打至少 3 个相同的号码，则他们之间应该存在连接。

行数超过 2000 万行。当我使用用 C# 编写的简单程序时，需要 4 天多的时间才能完成此任务。我想知道，是否可以编写 SQL 查询来给出相同的结果，并且如果存在相似性，只需将一行插入到具有两列 user1 和 user2 的新表中，或者只是将其提供给输出？

也许还有其他好的解决方案来完成这项任务？

Answer 1

假设您的表名为 CallingList，那么您应该能够使用如下查询：

SELECT C1.UserID AS User1, C2.UserID AS User2
  FROM CallingList AS C1
  JOIN CallingList AS C2 ON C1.PhoneNumber = C2.PhoneNumber
 WHERE C1.UserID < C2.UserID
 GROUP BY C1.UserID, C2.UserID
HAVING COUNT(*) >= 3

是否会比 C# 更快还有待观察。

确保您在 CallingList(PhoneNumber) 上有一个索引，除非您的优化器会在幕后自动创建一个索引。